UNIVERSIDAD NACIONAL DEL ALTIPLANO

FACULTAD DE INGENIERA AGRCOLA

ESCUELA PROFESIONAL DE INGENIERA AGRCOLA

MTODOS ESTADSTICOS PARA LA

INVESTIGACIN
PROBLEMAS RESUELTOS
POR:
EDUARDO FLORES CONDORI
EDUARDO LUIS FLORES QUISPE

PUNO PER
2011

SUMATORIA

Al presentarse la suma de una secuencia numrica, en donde destaquemos cierta

secuencia u orden en los sumandos que se van a sumar, podemos esa suma
abreviarla bajo un signo, el que denominaremos sumatoria.
n

Tenemos por lo tanto que la sumatoria,

ak
k m

es una forma de expresar la

suma de los trminos de una sucesin, trminos que se obtienen dando a la

variable k valores enteros comprendidos entre dos lmites escritos en la
parte superior del smbolo de sumatoria
Identificacin,
Valor donde termina la sumatoria

Signo
sumatoria

x
i =1

Exprese las siguientes sumas mediante el smbolo

sumatoria.
a) S=12 + 22 + 32 + 42 + .... + n2
b) S= 1.2 + 2.3 + 3.4 + ..... + n(n+1)
c)
d)
d)

1 2
3
n
+ 2 + 3 + ... + n
2 2
2
2
1 2
3
n
S = + 2 + 3 + ... + n
2 2
2
2
3
2
4
S = 1 + 2 + 3 + .... + n +1 n
S=

Trmino a sumar

i
Valor por el cual comienza la suma

Ejemplos:

xi
i =1
n

xi
i =1

= x1 + x 2 + x3 + x 4 + x5
=x1 + x 2 + x3 + x 4 + ..... + x n

SUMATORIA-PROPIEDADES
1. La sumatoria de la suma de dos o ms trminos, es igual a la suma de las
sumatorias separadas de los trminos.

i =1

i =1

i =1

( xi + y i ) = x i + y i

2. La sumatoria de la diferencia de dos o ms trminos es igual a la diferencia de las

sumatorias separadas de los trminos.

i =1

i =1

i =1

( xi y i ) = xi y i
3. La sumatoria de una constante multiplicada por una variable es igual a la constante
multiplicada por la sumatoria de la variable.

i =1

i =1

a.xi = a. xi
4. La sumatoria de una constante es igual a la constante multiplicada por el nmero
que indique los lmites de la sumatoria.

a = n.a
x =1

En la prctica frecuentemente se comenten algunos errores, los cuales los

cuales mencionaremos para que no se incurra en ellos.

n
x
=
x

i =1
i =1
n

Es falso el tomar a

Otro error se comete es decir que

ya que son valores completamente diferentes

n

i =1

i =1

i =1

xi yi = xi . yi

ya que son trminos diferentes.

EJERCICIOS.
1.Escribe los trminos de cada una de las siguientes sumatorias.
4

a ) ( X i + 2)

c ) U i (U i + 6 )

b ) f i X i2

i =1

i =1

d ) (YK2 4 )
N

i =1

e ) 4 X iYi

K =1

i =1

2.-- Dadas dos variables X e Y toman los valores X1= 2, X2= -5, X3= 4, X4= -8 y Y1= -3, Y2=-8,
Y3=10, Y4= 6. Calcula :
4

a ) X i
i =1

b)Y i
i =1

i =1

i =1

h) ( X i + Y i ) ( X i Yi )

g) X i .Y i 2
i =1

i =1

X i = 4 y

Xi

i =1

e)Y i 2

i =1

3.Si

d) X i2

i =1

f ) X i . Yi
i =1

c) X iYi

a ) (2X i + 3)

Halle:

b) X i ( X i 1)

i =1

= 10 ,

=1

c) (X i 5)2

i =1

i =1

4.Dos variables U y V toman los valores U1= 3, U2= -2, U3= 5 y V1= -4, V2= -1, V3= 6,
respectivamente. Calcule:
3

b) ( Ui +3 )(V i 4 )

a ) U iV i
i =1

e ) U iV i 2
i =1

f) (U i2 2V i 2 + 2)
i =1

Xi = 7
i =1

Yi = 3

i =1

5.Dado

3
n
c)V i
d) U i V i
i =1
i =1 i =1
n
U
g) i
Vi
i=1

i =1

X iY i

= 5 Halle:

=1

b) ( X i 3)( 2Y i + 1)

a ) (2 X i + 5Y i )
i =1

i =1

6.-- Desarrolle las siguientes sumatorias.

4

a ) xi =
i =1

b) f i .xi =

c ) x 2 =

i =1

x =1

d ) 3i =
i =1

e ) m( x y ) =
m =1

f ) (x j + y j ) =
3

j =1

g ) f i ( xi 20 ) = h) (2 xi + 4 ) = i ) 5 x i = j ) (2 xi + y i 6 z i ) = k ) (Ay j + j ) =
3

i =1

i =1

i =0

i =1

j =1

SUMATORIA----EJERCICIOS
Desarrolle las siguientes sumatorias

a) k
12
b)
K =1 k

n) k ( 1)

i ) (k + 4 )(k 1)

) (20 2k )( 1)

k =3

k =0
4

h) (k 1)(k + 2 )
8

k 1

k =0
9

k =0

k = 1

c) (2k 4 )

j ) (k + 3)(k 4 )

o) (k + 3)( 1)

d ) (2k + 1)

k ) (k 3 k )

p ) (k + 5)

e) (5 k )

l ) (k + 3k 7 )

q ) (k + 1)

ll ) (3k 3 + 5k 2 + k 3)

r ) (k 2 7 )

k =0

k = 3

k = 3

n +3

3k + 1
f )
2
k =0
6

k =4

k = 3

n 1

3k 5k + 9
m)
2k 1
k = 2

g ) (k + 3)
k = 3

s ) (2k + 3)

k =1

k = 1

k =2

k = 2

k = 2

k =3

k = 2

Desarrolle las siguientes sumatorias

a ) (K + 1)
N

K =0

b) e kx Senkx =
k =2

(1) k 1 e kx
=
e)
1+ k 4
k =0
n

i ) k k 4 + Sen
k =1

c) (2 3k ) =
5

k =0

f ) Lg (k + 1) =

k
=
2

k = 2

3
k
j ) Sen 2 =
k =0
4

d ) (2 + 3k )

k
(
1)
=
g )
k =1 k (k + 1)
n

k ) k 3 =
k =1

k 4

k =1

k
(
1) (k + 2 )
=
h)
k
k =1 k (k + 1)2
n +1
(k + 3)(k + 4 )
l)
1+ k 2
n

k = 2

1
=
k =3 (2k + 1)(2k 1)
m

ll )

HOJA DE EJERCICIOS N 1
1. El valor de dos (2) variables X e Y, de una poblacin es de 50 y 70 respectivamente.
i.
Cul es la razn entre X e Y?
ii.
Cul es la proporcin de cada variable?
iii.
Cul es el porcentaje de cada variable?
2. En una poblacin de 240 datos y de dos variables X e Y el porcentaje de X [P(X) ] es de
35%.
i.
Cul es valor de cada variable?
ii.
Cul es la proporcin de cada variable?
iii.
Cul es la razn entre X e Y?

3. En una poblacin de tres (3) variables X, Y y Z el valor de cada una de ellas es:
40 y 80 respectivamente.
i.
Halle la razn entre X e Y; entre Z y X y entre Y y Z.
ii.
Halle la proporcin de cada variable.
iii.
Halle el porcentaje de cada variable.

60,

4. En una poblacin de cinco (5) variables el valor de cada una de ellas es: X1 = 150; X2 =
200; X3 = 180; X4 = 160 y X5 = 300.
i.
Calcule la razn entre: X3 y X1; X4 y X2 y X5 y X1
ii.
Verificar que la suma de las proporciones es igual a uno (1)
iii.
Calcule el porcentaje de cada variable.
5. En una poblacin de dos (2) variables X e Y la razn entre X e Y es de 5 a 3 y el total
de ellas es 240.
i.
Halle el valor de cada variable.
ii.
Calcule la proporcin de cada variable.
iii.
Calcule el porcentaje de cada variable.
6. En una poblacin de tres (3) variables X, Y y Z, la razn entre X y Z es de 5 a 9 y la
proporcin de Y es 0,3, s el total de la poblacin es de 720.
i.
Cul es el valor de cada variable?
ii.
Halle la razn entre X e Y, entre Z e Y.
iii.
Cul es la proporcin de cada variable?
iv.
Cul es el porcentaje de cada variable?
7. Dada la siguiente tabla
i
1

Xi

Yi

8. Hallar el valor de las siguientes sumatorias:

8

( X

b)
4

( 3X

a)

( 2. X

e)

Yi )

f )

( X

j)
2 6

i =3

( 2. X i + 4 )

c ) X i .Yi
i =2

i +1

Yi 1 )

+1

( X

k)

i =4

i =2

9. Expresar en forma de sumatoria las siguientes expresiones:

( X

d)

i 1

Yi+1 )2

2
i

Yi 2 )

i =3
4

g)

i =2

i =2

( X i2 + Y3 )2

i =2

+4)

i ) ( X i + Yi 2 )
i =2

Yi )

i =1

i =1
6

h)

i =1

2
i

+3

a ) x1 + x2 + x3 + x3

b )x1 + x2 + x3 + x4 + x5
2

c )(cx3 + y0 ) + (cx4 + y0 ) + (cx5 + y0 )

X =

10. Sabiendo que:

Y=

i =1

. Demostrar que:

n
n

( X

A)

X ),( Yi Y ) =

i =1

X .Y
i

i =1

n
Yi
n

= Yi i =1
n
i =1

i =1

) =

X =0

(X

X 0 ) n. X X 0 = 0

(Y Y )
n

F)

i =1

n1

1 n 2 1
=
Yi
n 1 i =1
n

Yi

i =1

i =1

E)

Xi

X i i =1
n

(X

D)

i =1

i =1
n

(X
n

C)

X . Y

i =1

(Y Y )
n

B)

f )( x2 + x2 + x2 + x2 + x2 ) + 6

i =i

d )x2 + x3 + x4 + x5 + x6 + 5

e )(4 x3 + 7 ) + (4 x3 + 7 ) + (4 x3 + 7 ) + (4 x3 + 7 )

PROBLEMAS DE APLICACIN
(APLICACIONES: EXCEL SAS Y MINITAB)
1. Dada la serie histrica de descargas medias (m3/s) del rio Huancan, para el periodo 19592008. Calcule las frecuencias absolutas, relativa, acumulada, funcin de densidad y funcin
acumulada.
ao

Q=m3/s

ao

Q=m3/s

ao

Q=m3/s

ao

Q=m3/s

ao

Q=m3/s

1959
1960
1961
1962
1963
1964
1965
1966
1967

25.00
20,00
13,00
26,00
29,00
22,00
29,00
20,00
19,00

1969
1970
1971
1972
1973
1974
1975
1976
1977

17,00
11,00
14,00
28,00
28,00
21,00
16,00
7,00
28,00

1979
1980
1981
1982
1983
1984
1985
1986
1987

24,00
21,00
18,00
20,00
19,00
17,00
21,00
17,00
21,00

1989
1990
1991
1992
1993
1994
1995
1996
1997

19,00
29,00
24,00
23,00
24,00
15,00
27,00
19,00
26,00

1999
2000
2001
2002
2003
2004
2005
2006
2007

23,00
10,00
14,00
23,00
21,00
27,00
27,00
28,00
26,00

9,00

1988

8,00

1998

23,00

2008

19,00

o
4
2
4
12
10
8
10
50

frec. Relat.
0.08
0.04
0.08
0.24
0.2
0.16
0.2
1

1968 26,00
1978
Solucin problema 1

Nmero de intervalos de clase

m=
7
min =
7
max =
29
Ancho =
3
m
xi <=xi+1
1
7
10
2
10 13
3
13 16
4
16 20
5
20 23
6
23 26
7
26 29
Total =

frec. Re. Acu.

0.08
0.12
0.2
0.44
0.64
0.8
1

Histograma de frecuencia absoluta

14
12
12
Frecuencia absoluta

10

10

10
8
8
6
4

4
2
2
0
1

Intervalo de clase

Histograma de frecuencia relativa

0.3
0.24

Frecuencia relativa

0.25

0.2

0.2

0.2
0.16
0.15
0.1

0.08

0.08
0.04

0.05
0
1

Intervalo de clase

Histograma de frecuencia relativa acumulada

1.2
Frecuencia relativa acumulada

1
1
0.8
0.8
0.64
0.6
0.44
0.4
0.2
0.2

0.08

0.12

0
1

4
Intervalo de clase

2. Dado los datos de precipitacin anual, en mm. De la Estacin Ayaviri, para el periodo 19592008. Calcular su media, varianza, desviacin estndar, coeficiente de variacin, coeficiente
de sesgo y coeficiente de curtosis.
ao
1959
1960
1961
1962
1963
1964
1965
1966
1967

pp
(mm)
650.00
752,00
536,00
777,00
127,00
505,00
499,00
552,00
701,00

ao
1969
1970
1971
1972
1973
1974
1975
1976
1977

pp
(mm)
158,00
81,00
793,00
635,00
279,00
251,00
354,00
494,00
770,00

ao
1979
1980
1981
1982
1983
1984
1985
1986
1987

pp
(mm)
139,00
686,00
531,00
105,00
369,00
519,00
515,00
316,00
79,00

ao
1989
1990
1991
1992
1993
1994
1995
1996
1997

pp
(mm)
155,00
601,00
149,00
485,00
193,00
724,00
404,00
514,00
608,00

1968 156,00 1978 726,00 1988 211,00 1998 75,00

ao
1999
2000
2001
2002
2003
2004
2005
2006
2007

pp
(mm)
239,00
512,00
97,00
370,00
545,00
751,00
460,00
798,00
124,00

2008 416,00

Solucin problema 2
Media
Varianza
Desvest
CV
Coef Sesgo
Curtosis

429.72
54181.88
232.77
54.17
-0.06
-1.29

3. Los gastos mximos anuales registrados en la estacin hidromtrica Las Perlas en el

Coatzacoalas se muestran en la tabla siguiente:
a) Cul es la probabilidad de que, en un ao cualquiera, el gasto sea mayor o igual a 7500
m3/s?
b) Se planea construir cerca de este sitio un bordo para proteccin contra inundaciones.
Cual debe ser el gasto de diseo si se desea que el periodo de retorno sea de 60 aos?
Supngase que los datos de la tabla siguen una distribucin normal.
Resolver usando las funciones de distribucin:
Distribucin Lognormal
Distribucin Pearson III o Gamma de tres parmetros, y
Distribucin Gumbel
ao
1954
1955
1956
1957
1958

m3/s
2500
3220
2246
1804
2737

ao
1959
1960
1961
1962
1963

m3/s
2070
3682
4240
2367
7061

ao
1964
1965
1966
1967
1968

m3/s
2489
2350
3706
2675
6267

ao
1969
1970
1971
1972
1973

m3/s
5971
4744
6000
4060
6900

ao
1974
1975
1976
1977
1978

m3/s
5565
3130
2414
1796
7430

Solucin a) Distribucin Normal

Media
Desvest
x
Z
F(x)=P(X<7500)=
P(X>7500)
P(X>x)
P(X<x)
F(z)
z=
x (gasto de diseo m3/s) =

3886.16
1825.91
7500
1.9792
0.9761
0.0239

0.0167
0.9833
0.9833
2.1280
7771.7717

b) Distribucin Lognormal
P(X>x)
P(X<x)
F(z)
z=
ln(x) =
x=

0.0167
0.9833
0.9833
2.1280
9.1221
9155.0451

Gamma
bheta1
alpha1
delta1
P(X>x)
gl
2y
y
x

0.6778
8.7057
618.8364
-1501.2647
0.0167
17
31.6415
15.8208
8289.2060

alpha
beta
T
x

0.00059773
2997.96706
60
9833.7448

Distribucin Pearson III

Distribucin Gumbel

4. Dada la serie histrica de descargas medias (m3/s) del rio Huancan, para el periodo 19592008. Realizar las pruebas de bondad de ajustes de Chi-cuadrado (X2 ) y SmirnovKolmogorov, para ver si se ajustan a una distribucin normal.
AO Q=m3/s AO Q=m3/s AO Q=m3/s AO Q=m3/s AO Q=m3/s
1959
1960
1961
1962
1963
1964
1965
1966
1967

28.00
21,00
13,00
28,00
29,00
23,00
29,00
20,00
19,00

1968 26,00

1969
1970
1971
1972
1973
1974
1975
1976
1977

17,00
11,00
14,00
28,00
28,00
21,00
16,00
7,00
28,00

1978 9,00

1979
1980
1981
1982
1983
1984
1985
1986
1987

24,00
21,00
18,00
20,00
19,00
16,00
21,00
7,00
21,00

1988 8,00

1989
1990
1991
1992
1993
1994
1995
1996
1997

14,00
29,00
24,00
23,00
24,00
15,00
27,00
19,00
26,00

1998 23,00

1999
2000
2001
2002
2003
2004
2005
2006
2007

23,00
10,00
14,00
23,00
25,00
27,00
17,00
28,00
26,00

2008 16,00

5. Se desea saber si en una cierta regin el gasto mximo medio anual, el rea de la cuenca y la
altura media de precipitacin mxima en 24 horas se pueden correlacionar linealmente, y que
tan bueno es el ajuste. Los datos se presentan en la tabla siguiente:
Estacin
Meteorolgic
a
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Y=gasto mx. medio

anual
102 m3/s
45.2
9.1
48.3
35.8
74.9
26.7
12.1
6.8
69.7
57.0
33.7
71.4
88.2
26.6
16.0

X1=rea de la
cuenca,
103 km2
1.23
5.25
8.55
7.99
7.36
5.78
5.98
8.11
2.23
6.77
7.02
3.04
6.78
1.23
2.22

Estadsticas de la regresin
Coeficiente de correlacin mltiple
Coeficiente de determinacin R^2
R^2 ajustado
Error tpico
Observaciones

X2=altura media de pp.

mx.
En 24 h. cm
2.9
1.8
2.2
1.1
3.9
2.7
2.5
2.3
2.8
1.1
2.1
3.9
3.2
3.3
2.7

0.4618
0.2132
0.0821
25.0735
15.0000

F. de V.
Regresin
Residuos
Total

Intercepcin
Variable X 1
Variable X 2

GL
2
12
14

SC
2044.4866
7544.1667
9588.6533

Coeficientes
-11.5288
2.2847
15.9144

CM
1022.243
628.6806

Error tpico
32.9915
2.8637
8.8250

Fc
1.6260

Estadstico t
-0.3494
0.7978
1.8033

Y = - 11.5288 + 2.2847 X1 + 15.9144 X2

PROGRAMA DE SAS 9.2

data regresion;
input X1 X2 Y;
CARDS;
1.23 2.9 45.2
5.25 1.8 9.1
8.55 2.2 48.3
7.99 1.1 35.8
7.36 3.9 74.9
5.78 2.7 26.7
5.98 2.5 12.1
8.11 2.3 6.8
2.23 2.8 69.7
6.77 1.1 57
7.02 2.1 33.7
3.04 3.9 71.4
6.78 3.2 88.2
1.23 3.3 26.6
2.22 2.7 16
PROC PRINT;
PROC REG;
MODEL Y=X1 X2;
PROC GLM;
PROC PLOT;
RUN;

Obs
1
2
3
4
5
6
7

X1
1.23
5.25
8.55
7.99
7.36
5.78
5.98

X2
2.9
1.8
2.2
1.1
3.9
2.7
2.5

Y
45.2
9.1
48.3
35.8
74.9
26.7
12.1

Valor crt de F
0.2372

Probabilidad
0.7328
0.4405
0.0965

8
9
10
11
12
13
14
15

8.11
2.3
6.8
2.23
2.8
69.7
6.77
1.1
57.0
7.02
2.1
33.7
3.04
3.9
71.4
6.78
3.2
88.2
1.23
3.3
26.6
2.22
2.7
16.0
The REG Procedure
Model: MODEL1
Dependent Variable: Y
Analysis of Variance

Source
Model
Error
Corrected Total

Sum of
Squares
2044.48663
7544.16670
9588.65333

DF
2
12
14

Mean
Square
1022.24332
628.68056

F Value
1.63

Root MSE
Dependent Mean
Coeff Var

25.07350
R-Square
41.43333
Adj R-Sq
60.51529
Parameter Estimates
Parameter
Standard

Variable
Intercept
X1
X2

DF
1
1
1

Estimate
-11.52882
2.28473
15.91441

Error
32.99154
2.86373
8.82500

t Value
-0.35
0.80
1.80

Pr > F
0.2372

0.2132
0.0821

Pr > |t|
0.7328
0.4405
0.0965

Y = - 11.5288 + 2.2847 X1 + 15.9144 X2

6. Se realizaron siete (07) pruebas de la resistencia a la compresin en cuatro muestras de

concreto. La fuerza que fractura cada muestra de forma cilndrica, medida en kilogramos,
est dada en la siguiente tabla:
Muestras
Pruebas

m1

m2

m3

m4

Prueba 1

45

42

43

48

Prueba 2

90

100

102

104

Prueba 3

40

45

56

58

Prueba 4

89

25

98

25

Prueba 5

105

125

87

103

Prueba 6

111

121

120

109

Prueba 7

80

85

86

88

Pruebe con un nivel de significancia de 0.01 si estas muestras son diferentes en su resistencia a
la compresin, y efectuar la prueba de rango mltiple de Duncan a la probabilidad de 0.01.
SOLUCIONARIO MANUAL
1) Hiptesis
H0: i=0

Ha: i 0
2) Nivel de significacin
= 0.05 y 0.01
3) Estadstica de Prueba
Fc=(CMtratam/CMerror)
4) Regla de decisin
Si Fc F0.05, no se rechaza la Ho. Se representa (NS)
Si F0.05< Fc < F0.01, se rechaza la H0, representando con un asterisco (*)
Si Fc > F0.01; se rechaza la H0, representndose por dos asteriscos (**)
5) Clculos


..
=
 = 

a)    


"..#



=


177603.571

b)  =   

= $45' + + $88' 177603.571
= 202998.000 177603.571 = 25394.42857
c) . =


23 
.




..

=

$34' 55$6'


= 36. 47

.


d)   = 
3 83 
8 = 76. 47 19424.42857
=5970.0000
6) Anlisis de varianza
Cuadro 44. Anlisis de varianza de los resultados
F.de V.
Pruebas
Error
Total

GL

SC
CM
Fc
19424.42857 3237.40476 11.3878559
5970.00000 284.285714
25394.42857

6
21
27

Ft
2.57

Pr>F
1.109E-05

Niv. Sig.
**

C.V. = 21.1705 %
SOLUCIONARIO CON EL PAQUETE DEL SISTEMA PARA EL ANALISIS
ESTADISTICO
data trabajo;
input x$ y@@;
datalines;
p1 45
p1 42
p1 43
p148

p2
p2
p2
p2

90
100
102
104

p3
p3
p3
p3

40
45
56
58

p4
p4
p4
p4

89
25
98
25

p5
p5
p5
p5

105
125
87
103

p6
p6
p6
p6

proc print;
proc anova;
class x;
model y=x;
means x/duncan alpha=0.01;
run;
RESULTADOS UTILIZANDO EL SAS
Obs
1
2
3
4

x
p1
p2
p3
p4

y
45
90
40
89

111
121
120
109

p7
p7
p7
p7

80
85
86
88

Class
x

5
p5
105
6
p6
111
7
p7
80
8
p1
42
9
p2
100
10
p3
45
11
p4
25
12
p5
125
13
p6
121
14
p7
85
15
p1
43
16
p2
102
17
p3
56
18
p4
98
19
p5
87
20
p6
120
21
p7
86
22
p1
48
23
p2
104
24
p3
58
25
p4
25
26
p5
103
27
p6
109
28
p7
88
The ANOVA Procedure
Class Level Information
Levels
Values
7
p1 p2 p3 p4 p5 p6 p7
Number of observations
28
The ANOVA Procedure

Dependent Variable: y
Source
Model
Error
Corrected Total

DF
6
21
27

Sum of
Squares
Mean Square
19424.42857
3237.40476
5970.00000
284.28571
25394.42857

F Value
11.39

Pr > F
<.0001

R-Square
0.764909
DF
6

Coeff Var
Root MSE
y Mean
21.17048
16.86077
79.64286
Source
Anova SS
Mean Square
F Value
Pr > F
x
19424.42857
3237.40476
11.39
<.0001
The ANOVA Procedure
Duncan's Multiple Range Test for y
NOTE: This test controls the Type I comparisonwise error rate, not the experimentwise
error rate.
Alpha
0.01
Error Degrees of Freedom
21
Error Mean Square
284.2857
Number of Means
2
3
4
5
6
Critical Range
33.76
35.21
36.17
36.87
37.41
Means with the same letter are not significantly different.
Duncan Grouping
Mean
N
x
A
115.25
4
p6
A
105.00
4
p5
A
99.00
4
p2
B
A
84.75
4
p7
B
C
59.25
4
p4
B
C
49.75
4
p3
C
44.50
4
p1

7
37.85

7. Se dise un experimento para estudiar el rendimiento de seis (06) detergentes

diferentes. Las siguientes lecturas de blancura se obtuvieron con un equipo
especialmente diseado para 24 cargas de lavado distribuidas en cuatro (04)
modelos de lavadoras:
Detergente

Lavad 1

Lavad 2

Lavad 3

Lavad 4

Detergente A

100

102

101

104

Detergente B

25

46

52

55

Detergente C

45

58

62

66

Detergente D

47

50

63

65

Detergente E

49

54

68

67

Detergente F

99

95

98

99

Considerando los detergentes como tratamientos y las lavadoras como bloques,

efectuar el anlisis de variancia y su prueba con un nivel de significacin de 0.05 si
existen diferencias entre los detergentes y entre las lavadoras. Adems, efectuar la
prueba de Rango Mltiple de Tukey a la probabilidad de 0.05.

Cuadro 45. Anlisis de varianza

F. de V.
bloque
tratamiento
error
total

GL
3
5
15
23

SC
CM
Fc
849.5000 283.166667 8.78490176
11506.8333 2301.36667 71.3971044
483.5000 32.2333333
12839.8333

Ft

Sig

SOLUCIONARIO UTILIZANDO EL SISTEMA PARA ANALISIS ESTADISTICO (SAS)

RESULTADO UTILIZANDO EL SAS
data detergente;
input lavadoras detergente rdto;
cards;
1
1
100
1
2
25
1
3
45
1
4
47
1
5
49
1
6
99
2
1
102
2
2
46
2
3
58
2
4
50
2
5
54
2
6
95
3
1
101
3
2
52
3
3
62
3
4
63

3
5
68
3
6
98
4
1
104
4
2
55
4
3
66
4
4
65
4
5
67
4
6
99
proc print;
proc anova;
class lavadoras detergente;
model rdto= lavadoras detergente;
means detergente/tukey alpha =0.05;
run;
Obs

lavadoras

detergente

rdto

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

1
1
100
1
2
25
1
3
45
1
4
47
1
5
49
1
6
99
2
1
102
2
2
46
2
3
58
2
4
50
2
5
54
2
6
95
3
1
101
3
2
52
3
3
62
3
4
63
3
5
68
3
6
98
4
1
104
4
2
55
4
3
66
4
4
65
4
5
67
4
6
99
The ANOVA Procedure
Class Level Information
Class
Levels
Values
lavadoras
4
1 2 3 4
detergente
6
1 2 3 4 5 6
Number of observations
24
The ANOVA Procedure
Dependent Variable: rdto
Source
Model
Error
Corrected Total

Source
lavadoras
detergente

DF
8
15
23
R-Square
0.962344
DF
3
5

Sum of
Squares
Mean Square
F Value
12356.33333
1544.54167
47.92
483.50000
32.23333
12839.83333
Coeff Var
Root MSE
rdto Mean
8.159196
5.677441
69.58333
Anova SS
Mean Square
F Value
849.50000
283.16667
8.78
11506.83333
2301.36667
71.40

Pr > F
<.0001

Pr > F
0.0013
<.0001

Tukey's Studentized Range (HSD) Test for rdto

NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher Type II
error rate than REGWQ.
Alpha
0.05
Error Degrees of Freedom
15
Error Mean Square
32.23333
Critical Value of Studentized Range 4.59474
Minimum Significant Difference
13.043
Means with the same letter are not significantly different.
Tukey Grouping
Mean
N detergente
A
101.750
4
1
A
97.750
4
6
B
59.500
4
5
B
57.750
4
3
C
B
56.250
4
4
C
44.500
4
2

8. Evaluar el sistema de riego por exudacin utilizando cuatro variedades de meln, bajo
modalidad de siembra, SIMPLE HILERA. Se desea probar el comportamiento de tres
variedades hbridas de meln y uno estndar:
V1 : Hbrido Mission

V3 : Hbrido Topfligth.

V2 : Hbrido Mark.

V4 : Hbrido Hales Best Jumbo.

Hiptesis : Ho : Efecto de variedades de meln en estudio es nulo.

H1 : Al menos dos variedades tienen efectos distintos.
Datos: Rendimiento en Kg. por parcela.
C1

C2

C3

C4

F1

36V1

50 V2

43 V3

35 V4

F2

29 V4

53 V3

41 V2

63 V1

F3

37 V2

41 V4

41 V1

63 V3

F4

38 V3

40 V1

35 V4

41 V2

F. de V.
Hilera
Columna
Tratamiento
Error
Total

GL
3
3
3
6
15

SC
CM
170.75
56.92
552.75
184.25
430.25
143.417
254.0000 42.3333
1407.7500

Fc
1.3445
4.3524
3.3878

Ft

sig.

SOLUCIONARIO APLICANDO EL SAS DISEO DE CUADRADO LATINO

DATA OCHO;
INPUT FILA COLUMNA TRAT $ RDTO;
CARDS;
1
1
V1
36
1
2
V2
50
1
3
V3
43
1
4
V4
35
2
1
V4
29
2
2
V3
53
2
3
V2
41
2
4
V1
63
3
1
V2
37
3
2
V4
41
3
3
V1
41
3
4
V3
63
4
1
V3
38
4
2
V1
40
4
3
V4
35
4
4
V2
41
PROC PRINT;
PROC ANOVA;
CLASS FILA COLUMNA TRAT;
MODEL RDTO= FILA COLUMNA TRAT;
MEANS FILA COLUMNA TRAT/DUNCAN;
RUN;

RESULTADOS UTILIZANDO EL SAS

Obs
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

FILA
COLUMNA
TRAT
RDTO
1
1
V1
36
1
2
V2
50
1
3
V3
43
1
4
V4
35
2
1
V4
29
2
2
V3
53
2
3
V2
41
2
4
V1
63
3
1
V2
37
3
2
V4
41
3
3
V1
41
3
4
V3
63
4
1
V3
38
4
2
V1
40
4
3
V4
35
4
4
V2
41
The ANOVA Procedure
Class Level Information
Class
Levels
Values
FILA
4
1 2 3 4
COLUMNA
4
1 2 3 4
TRAT
4
V1 V2 V3 V4
Number of observations
16
The ANOVA Procedure
Dependent Variable: RDTO

Source
Model
Error
Corrected Total

DF
9
6
15

Sum of
Squares
Mean Square
1153.750000
128.194444
254.000000
42.333333
1407.750000

F Value
3.03

Pr > F
0.0954

R-Square
0.819570
Source
FILA
COLUMNA
TRAT

DF
3
3
3

Coeff Var
15.17529
Anova SS
170.7500000
552.7500000
430.2500000

Root MSE
6.506407
Mean Square
56.9166667
184.2500000
143.4166667

RDTO Mean
42.87500
F Value
1.34
4.35
3.39

Pr > F
0.3456
0.0596
0.0949

Duncan's Multiple Range Test for RDTO

NOTE: This test controls the Type I comparisonwise error rate, not the experimentwise
error rate.
Alpha
0.05
Error Degrees of Freedom
6
Error Mean Square
42.33333
Number of Means
2
3
4
Critical Range
11.26
11.67
11.87
Means with the same letter are not significantly different.
Duncan Grouping
Mean
N
FILA
A
46.500
4
2
A
45.500
4
3
A
41.000
4
1
A
38.500
4
4
The ANOVA Procedure
Duncan's Multiple Range Test for RDTO
NOTE: This test controls the Type I comparisonwise error rate, not the experimentwise
error rate.
Alpha
0.05
Error Degrees of Freedom
6
Error Mean Square
42.33333
Number of Means
2
3
4
Critical Range
11.26
11.67
11.87
Means with the same letter are not significantly different.
Duncan Grouping
Mean
N
COLUMNA
A
50.500
4
4
B
A
46.000
4
2
B
A
40.000
4
3
B
35.000
4
1
The ANOVA Procedure
Duncan's Multiple Range Test for RDTO
NOTE: This test controls the Type I comparisonwise error rate, not the experimentwise
error rate.
Alpha
0.05
Error Degrees of Freedom
6
Error Mean Square
42.33333
Number of Means
2
3
4
Critical Range
11.26
11.67
11.87
Means with the same letter are not significantly different.
Duncan Grouping
Mean
N
TRAT
A
49.250
4
V3
B
A
45.000
4
V1
B
A
42.250
4
V2
B
35.000
4
V4

9. Supngase que se efectan dos repeticiones del experimento de soldadura, empleando el

cuadrado latino, los resultados que sealan el nmero de libras fuerza de tensin requerida
para separar los puntos soldados, fueron como se indica a continuacin:

REPETICIN I
Fundentes
F1

F2

F3

F4

A 20.0

B 17.5

C 14.0

D 14.0

D 24.0

A 21.0

B 18.0

C 14.1

C 12.0

D 18.0

A 23.0

B 19.0

B 20.0

C 15.0

D 13.0

A 22.0

REPETICIN II
Fundentes
F1

F2

F3

F4

C 12.0

D 10.0

A 24.2

B 22.1

B 19.5

C 13.0

D 10.5

A 22.3

A 23.5

B 17.2

C 20.4

D 14.0

D 11.0

A 22.2

B 20.5

C 14.5

Analice el experimento como un cuadrado latino y prubese con un nivel de significancia de

0.05 si existen diferencias en los mtodos (A, B, C y D), en los operadores (filas), los fundentes
(columnas) y, entre las producciones. Utilizar la prueba de rango mltiple de Tukey = 0.01, si
es que es significativo.
F. de V.
Pr > F
GL
SC
CM
Fc
Sig
repeticin
1
1.8528125
1.8528
0.181683
NS
0.6742
hilera
3
12.1609375
4.0536
0.3974922
NS
0.7562
columna
3
7.2009375
2.4003
0.2353697
NS
0.8707
tratamiento
error
Total

3
21
31

365.545937
214.159062
600.919688

121.85
10.198

11.948229

**

SOLUCIONARIO MEDIANTE EL SAS

data fundente;
input repet hilera columna trat$
cards;
1
1
1
1
1
1
1
1
1
2
1
2
1
2
1
2

1
2
3
4
1
2
3
4

A
B
C
D
D
A
B
C

20
17.5
14
14
24
21
18
14.1

rdto;

0.0001

1
3
1
C
12
1
3
2
D
18
1
3
3
A
23
1
3
4
B
19
1
4
1
B
20
1
4
2
C
15
1
4
3
D
13
1
4
4
A
22
2
1
1
C
12
2
1
2
D
10
2
1
3
A
24.2
2
1
4
B
22.1
2
2
1
B
19.5
2
2
2
C
13
2
2
3
D
10.5
2
2
4
A
22.3
2
3
1
A
23.5
2
3
2
B
17.2
2
3
3
C
20.4
2
3
4
D
14
2
4
1
D
11
2
4
2
A
22.2
2
4
3
B
20.5
2
4
4
C
14.5
PROC PRINT;
PROC ANOVA;
CLASS REPET HILERA COLUMNA TRAT;
MODEL RDTO= REPET HILERA COLUMNA TRAT;
MEANS HILERA COLUMNA TRAT/TUKEY ALPHA=0.01;
RUN;
RESULTADOS DEL PROGRAMA DE SAS
Obs

repet

hilera

columna

trat

rdto

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
2
2

1
1
1
1
2
2
2
2
3
3
3
3
4
4
4
4
1
1
1

1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3

A
B
C
D
D
A
B
C
C
D
A
B
B
C
D
A
C
D
A

20.0
17.5
14.0
14.0
24.0
21.0
18.0
14.1
12.0
18.0
23.0
19.0
20.0
15.0
13.0
22.0
12.0
10.0
24.2

20
21
22
23
24
25
26
27
28
29
30
31
32

2
2
2
2
2
2
2
2
2
2
2
2
2

1
4
B
22.1
2
1
B
19.5
2
2
C
13.0
2
3
D
10.5
2
4
A
22.3
3
1
A
23.5
3
2
B
17.2
3
3
C
20.4
3
4
D
14.0
4
1
D
11.0
4
2
A
22.2
4
3
B
20.5
4
4
C
14.5
The ANOVA Procedure
Class Level Information
Class
Levels
Values
repet
2
1 2
hilera
4
1 2 3 4
columna
4
1 2 3 4
trat
4
A B C D
Number of observations
32
Dependent Variable: rdto
Sum of
Source
DF
Squares
Mean Square
F Value
Pr > F
Model
10
386.7606250
38.6760625
3.79
0.0048
Error
21
214.1590625
10.1980506
Corrected Total
31
600.9196875
R-Square
Coeff Var
Root MSE
rdto Mean
0.643615
18.19947
3.193439
17.54688
Source
DF
Anova SS
Mean Square
F Value
Pr > F
repet
1
1.8528125
1.8528125
0.18
0.6743
hilera
3
12.1609375
4.0536458
0.40
0.7562
columna
3
7.2009375
2.4003125
0.24
0.8707
trat
3
365.5459375
121.8486458
11.95
<.0001
Tukey's Studentized Range (HSD) Test for rdto
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher Type II
error rate than REGWQ.
Alpha
0.01
Error Degrees of Freedom
21
Error Mean Square
10.19805
Critical Value of Studentized Range 4.98557
Minimum Significant Difference
5.629
Means with the same letter are not significantly different.
Tukey Grouping
Mean
N
hilera
A
18.388
8
3
A
17.800
8
2
A
17.275
8
4
A
16.725
8
1
Tukey's Studentized Range (HSD) Test for rdto
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher Type II
error rate than REGWQ.
Alpha
0.01
Error Degrees of Freedom
21
Error Mean Square
10.19805
Critical Value of Studentized Range 4.98557
Minimum Significant Difference
5.629
Means with the same letter are not significantly different.
Tukey Grouping
Mean
N
columna
A
17.950
8
3
A
17.750
8
4

A
17.750
8
1
A
16.738
8
2
Tukey's Studentized Range (HSD) Test for rdto
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher Type II
error rate than REGWQ.
Alpha
0.01
Error Degrees of Freedom
21
Error Mean Square
10.19805
Critical Value of Studentized Range 4.98557
Minimum Significant Difference
5.629
Means with the same letter are not significantly different.
Tukey Grouping
Mean
N
trat
A
22.275
8
A
B
A
19.225
8
B
B
14.375
8
C
B
14.313
8
D

10. Se desea determinar los efectos de la temperatura de la caldera (1600 y 1900 F) y del
ancho del horno
(4, 8 y 12 pulgadas) para el experimento; supngase que cinco
repeticiones de ese experimento dan los siguientes tiempos requeridos para la produccin
del coque (en horas):
A

A(4) Pulgadas

A(8) Pulgadas

A(12) Pulgadas

T1=1600

T2=1900

T1=1600

T2=1900

T1=1600

T2=1900

12.5

8.2

17.1

5.2

17.8

7.6

II

14.0

9.3

16.9

4.6

15.6

9.1

III

12.7

6.4

17.5

8.8

17.8

7.9

IV

13.5

7.8

17.3

5.9

16.8

8.1

14.4

10.7

20.2

8.3

22.4

10.2

Explquese un anlisis de variancia basado en este experimento con dos factores y prubese la
significancia de los efectos factoriales, empleando un nivel de significancia de 0.05. Aplicar la
prueba de Duncan = 0.05, si es que es significativo al nivel de ANOVA.
RESULTADO UTILIZANDO EL PAQUETE DE SISTEMA DE ANALISIS ESTADISTICO

data flores;
input ancho temp hr;
cards;
1
1
12.5
1
1
14
1
1
12.7
1
1
13.5
1
1
14.4
1
2
8.2
1
2
9.3
1
2
6.4
1
2
7.8
1
2
10.7
2
1
17.1
2
1
16.9
2
1
17.5
2
1
17.3
2
1
20.2
2
2
5.2

2
2
4.6
2
2
8.8
2
2
5.9
2
2
8.3
3
1
17.8
3
1
15.6
3
1
17.8
3
1
16.8
3
1
22.4
3
2
7.6
3
2
9.1
3
2
7.9
3
2
8.1
3
2
10.2
proc print;
proc anova;
class ancho temp;
model hr=ancho temp ancho*temp;
means ancho temp ancho*temp/duncan;
run;
RESULTADO
Obs
ancho
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

temp

hr

1
1
12.5
1
1
14.0
1
1
12.7
1
1
13.5
1
1
14.4
1
2
8.2
1
2
9.3
1
2
6.4
1
2
7.8
1
2
10.7
2
1
17.1
2
1
16.9
2
1
17.5
2
1
17.3
2
1
20.2
2
2
5.2
2
2
4.6
2
2
8.8
2
2
5.9
2
2
8.3
3
1
17.8
3
1
15.6
3
1
17.8
3
1
16.8
3
1
22.4
3
2
7.6
3
2
9.1
3
2
7.9
3
2
8.1
3
2
10.2
The ANOVA Procedure
Class Level Information
Class
Levels
Values
ancho
3
1 2 3
temp
2
1 2

Source
Model
Error
Corrected Total

Source
ancho
temp
ancho*temp

Number of observations
30
The ANOVA Procedure
Dependent Variable: hr
Sum of
DF
Squares
Mean Square
5
630.8106667
126.1621333
24
65.8640000
2.7443333
29
696.6746667
R-Square
Coeff Var
Root MSE
0.905459
13.63085
1.656603
DF
Anova SS
Mean Square
2
28.3326667
14.1663333
1
549.5520000
549.5520000
2
52.9260000
26.4630000

F Value
45.97

Pr > F
<.0001

hr Mean
12.15333
F Value
5.16
200.25
9.64

Pr > F
0.0137
<.0001
0.0008

The ANOVA Procedure

Duncan's Multiple Range Test for hr
NOTE: This test controls the Type I comparisonwise error rate, not the experimentwise
error rate.
Alpha
0.05
Error Degrees of Freedom
24
Error Mean Square
2.744333
Number of Means
2
3
Critical Range
1.529
1.606
Means with the same letter are not significantly different.
Duncan Grouping
Mean
N
ancho
A
13.3300
10
3
B
A
12.1800
10
2
B
10.9500
10
1
Duncan's Multiple Range Test for hr
NOTE: This test controls the Type I comparisonwise error rate, not the experimentwise
error rate.
Alpha
0.05
Error Degrees of Freedom
24
Error Mean Square
2.744333
Number of Means
2
Critical Range
1.248
Means with the same letter are not significantly different.
Duncan Grouping
Mean
N
temp
A
16.4333
15
1
B
7.8733
15
2
The ANOVA Procedure
Level of
Level of
--------------hr------------ancho
temp
N
Mean
Std Dev
1
1
5
13.4200000
0.81670068
1
2
5
8.4800000
1.61771444
2
1
5
17.8000000
1.36014705
2
2
5
6.5600000
1.88228584
3
1
5
18.0800000
2.57914715
3
2
5
8.5800000
1.06630202

11. En un centro de investigacin en trigo, se llev a cabo un experimento para estudiar 06

variedades (A, B, C, D, E y F), y debido a la conformacin del terreno, se utiliz el diseo
de cuadrado latino, el rendimiento del trigo expresado en Kg/parcela.

A 21

B 20

C 12

D 23

E 16

F 30

B 22

C 16

D 21

E 18

F 29

A 14

C 16

D 20

E 20

F 31

A 13

B 24

D 28

E 21

F 32

A 12

B 26

C 18

E 20

F 33

A 13

B 28

C 15

D 27

F 31

A 16

B 27

C 14

D 25

E 23

Efectuar el anlisis de variancia correspondiente y efectuar la prueba de significancia de Tukey

a la probabilidad de 0.05
SOLUCIONARIO CON EL SISTEMA DE ANALISIS ESTADISTICO
DATA LATINO;
INPUT HILERA COLUMNA TRATAM$ RDTO;
CARDS;
1
1
A
21
1
2
B
20
1
3
C
12
1
4
D
23
1
5
E
16
1
6
F
30
2
1
B
22
2
2
C
16
2
3
D
21
2
4
E
18
2
5
F
29
2
6
A
14
3
1
C
16
3
2
D
20
3
3
E
20
3
4
F
31
3
5
A
13
3
6
B
24
4
1
D
28
4
2
E
21
4
3
F
32
4
4
A
12
4
5
B
26
4
6
C
18
5
1
E
20
5
2
F
33
5
3
A
13
5
4
B
28
5
5
C
15
5
6
D
27
6
1
F
31
6
2
A
16
6
3
B
27
6
4
C
14
6
5
D
25
6
6
E
23
PROC PRINT;
PROC ANOVA;
CLASS HILERA COLUMNA TRATAM;
MODEL RDTO=HILERA COLUMNA TRATAM;
MEANS HILERA COLUMNA TRATAM/TUKEY; RUN;

RESULTADO MEDIANTE EL ANALISIS ESTADISTICO

Obs
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

HILERA
COLUMNA
TRATAM
RDTO
1
1
A
21
1
2
B
20
1
3
C
12
1
4
D
23
1
5
E
16
1
6
F
30
2
1
B
22
2
2
C
16
2
3
D
21
2
4
E
18
2
5
F
29
2
6
A
14
3
1
C
16
3
2
D
20
3
3
E
20
3
4
F
31
3
5
A
13
3
6
B
24
4
1
D
28
4
2
E
21
4
3
F
32
4
4
A
12
4
5
B
26
4
6
C
18
5
1
E
20
5
2
F
33
5
3
A
13
5
4
B
28
5
5
C
15
5
6
D
27
6
1
F
31
6
2
A
16
6
3
B
27
6
4
C
14
6
5
D
25
6
6
E
23
The ANOVA Procedure
Class Level Information
Class
Levels
Values
HILERA
6
1 2 3 4 5 6
COLUMNA
6
1 2 3 4 5 6
TRATAM
6
A B C D E F
Number of observations
36
The ANOVA Procedure
Dependent Variable: RDTO
Sum of
Source
DF
Squares
Mean Square
F Value
Pr > F
Model
15
1244.750000
82.983333
12.74
<.0001
Error
20
130.222222
6.511111
Corrected Total
35
1374.972222
R-Square
Coeff Var
Root MSE
RDTO Mean
0.905291
11.85300
2.551688
21.52778
Source
DF
Anova SS
Mean Square
F Value
Pr > F
HILERA
5
52.805556
10.561111
1.62
0.1999
COLUMNA
5
31.472222
6.294444
0.97
0.4615
TRATAM
5
1160.472222
232.094444
35.65
<.0001
Tukey's Studentized Range (HSD) Test for RDTO
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher Type II

error rate than REGWQ.

Alpha
0.05
Error Degrees of Freedom
20.00
Error Mean Square
6.51
Critical Value of Studentized Range
4.44
Minimum Significant Difference
4.63
Means with the same letter are not significantly different.
Tukey Grouping
Mean
N
HILERA
A
22.833
6
4
A
22.667
6
5
A
22.667
6
6
A
20.667
6
3
A
20.333
6
1
A
20.000
6
2
Tukey's Studentized Range (HSD) Test for RDTO
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher Type II
error rate than REGWQ.
Alpha
0.05
Error Degrees of Freedom
20.00
Error Mean Square
6.51
Critical Value of Studentized Range 4.44
Minimum Significant Difference
4.6307
Means with the same letter are not significantly different.
Tukey Grouping
Mean
N
COLUMNA
A
23.000
6
1
A
22.667
6
6
A
21.000
6
4
A
21.000
6
2
A
20.833
6
3
A
20.667
6
5
Tukey's Studentized Range (HSD) Test for RDTO
NOTE: This test controls the Type I experimentwise error rate, but it generally has a
higher Type II
error rate than REGWQ.
Alpha
0.05
Error Degrees of Freedom
20.00
Error Mean Square
6.51
Critical Value of Studentized Range 4.44
Minimum Significant Difference
4.63
Means with the same letter are not significantly different.
Tukey Grouping
Mean
N
TRATAM
A
31.000
6
F
B
24.500
6
B
C
B
24.000
6
D
C
D
19.667
6
E
E
D
15.167
6
C
E
14.833
6
A

12. Aplicando la regresin lineal mltiple, se desea saber si en una cierta regin el gasto
mximo medio anual, el rea de la cuenca y la altura media de la precipitacin mxima en
24 horas se pueden correlacionar linealmente, y que tan bueno es el ajuste. Los datos se
presentan en la tabla siguiente:

Estacin

Y = gasto mximo
medio anual, 102m3/s

X1 = rea de la
cuenca, 103km2

X2 = altura media de precipitacin

mximo. en 24 h. cm

20.5

1.25

1.7

8.5

0.87

2.1

85.5

5.69

1.9

105.0

8.27

1.9

24.8

1.62

2.1

3.8

0.18

2.4

1.8

0.15

3.2

18.0

1.40

2.7

85.5

8.27

2.1

10

105.0

1.62

2.4

data regresion;
input X1 X2 Y;
CARDS;
20.5 1.25 1.7
8.5
0.87 2.1
85.5 5.69 1.9
105
8.27 1.9
24.8 1.62 2.1
3.8
0.18 2.4
1.8
0.15 3.2
18
1.4
2.7
85.5 8.27 2.1
105
1.62 2.4
PROC PRINT;
PROC REG;
MODEL Y= X1 X2;
RUN;
Obs
1
2
3
4
5
6
7
8
9
10

Source
Model
Error
Corrected Total

DF
2
7
9

X1
X2
Y
20.5
1.25
1.7
8.5
0.87
2.1
85.5
5.69
1.9
105.0
8.27
1.9
24.8
1.62
2.1
3.8
0.18
2.4
1.8
0.15
3.2
18.0
1.40
2.7
85.5
8.27
2.1
105.0
1.62
2.4
The REG Procedure
Model: MODEL1
Dependent Variable: Y
Analysis of Variance
Sum of
Mean
Squares
Square
F Value
0.40973
0.20487
1.06
1.35527
0.19361
1.76500

Pr > F
0.3967

Root MSE
Dependent Mean
Coeff Var

Variable
Intercept
X1
X2

0.44001
R Square
R-Square
0.2321
2.25000
Adj R-Sq
R Sq
0.0128
19.55605
Parameter Estimates
Parameter
Standard
Estimate
Error
t Value
Pr > |t|
2.45361
0.20877
11.75
<.0001
-0.00064324
0.00542
-0.12
0.12
0.9088
-0.05939
0.07355
-0.

DF
1
1
1

13. Se desea estimar los gastos en alimentacin de una familia

en base a la informacin que
proporcionan las variables regresoras X1 =ingresos
ingresos mensuales y X2 =nmero de
miembros de la familia. Para ello se recoge una muestra aleatoria simple de 15 familias
cuyos resultados son los de la tabla adjunta (El gasto e ingreso est dado en miles de soles).
Efectuar el anlisis de regresin mltiple.
Gasto (Y) Ingreso (X1) Tamao (X2)
35
21
3
31
11
4
32
9
5
46
16
4
125
62
4
44
23
3
52
18
6
29
10
5
129
89
3
35
24
2
35
12
4
78
47
3
43
35
2
47
29
3
38
14
4
Regression Analysis: Y versus X1, X2
The regression equation is

Y = - 18.6 + 1.50 X1 + 8.12 X2

Predictor
Constant
X1
X2

S = 7.64694

Coef
-18.601
1.50326
8.121

SE Coef
8.917
0.09837
1.984

R
R-Sq
= 95.2%

T
-2.09
15.28
4.09

P
0.059
0.000
0.001

VIF
1.2
1.2

R-Sq(adj)
Sq(adj) = 94.4%

Analysis of Variance
Source
Regresin
Residual Error
Total

DF
2
12
14

SS
13847.2
701.7
14548.9

MS
6923.6
58.5

F
118.40

SOLUCIONARIO CON SAS

Obs

X1

X2

P
0.000

1
21
3
35
2
11
4
31
3
9
5
32
4
16
4
46
5
62
4
125
6
23
3
44
7
18
6
52
8
10
5
29
9
89
3
129
10
24
2
35
11
12
4
35
12
47
3
78
13
35
2
43
14
29
3
47
15
14
4
38
The REG Procedure
Model: MODEL1
Dependent Variable: Y
Analysis of Variance
Sum of
Mean
Source
DF
Squares
Square
F Value
Pr > F
Model
2
13847
6923.61222
118.40
<.0001
Error
12
701.70890
58.47574
Corrected Total
14
14549
Root MSE
7.64694
R-Square
0.9518
Dependent Mean
53.26667
Adj R-Sq
0.9437
Coeff Var
14.35596
Parameter Estimates
Parameter
Standard
Variable
DF
Estimate
Error
t Value
Pr > |t|
Intercept
1
-18.60147
8.91730
-2.09
0.0590
X1
1
1.50326
0.09837
15.28
<.0001
X2
1
8.12097
1.98364
4.09 .. 0.0015

Y = - 18.60147 + 1.50326 X1 + 8.12097 X2

NOTA
LOS AUTORES DEL TEXTO DE: METODOS ESTADISTICOS PARA LA
INVESTIGACION ESTAN TRABAJANDO PARA EDITAR UN TEXTO QUE
SERA DE MUCHA UTILIDAD PARA LOS ESTUDIANTES DE PREGRADO Y
POST GRADO DE LA UNIVERSIDAD NACIONAL DEL ALTIPLANO DE
PUNO.

Dr. Eduardo Flores Condori

Dr.(c) M.SC. Eduardo Luis Flores Quispe